2026 年 9 月 29 日，Quanta 作为协办方之一参与在韩国首尔 aT Center 举行的「非小号 × GWDC 2026 创新论坛」。超 5000 人次汇聚 GWDC 2026 首尔现场，AI Agent、Web3 金融、链上交易与智能化投研成为大会的重要讨论方向之一。围绕 AI Agent 加速进入 Web3 金融场景的行业趋势，Quanta 将“从可追溯研究到可控执行”的产品路径带入此次首尔交流场景，重点关注 AI 如何参与项目研究、投资决策与授权执行，同时通过规则、权限和风险约束，将最终资产控制权保留在用户侧。 与单纯提供行情问答或研究摘要的 AI 工具不同，Quanta 尝试进一步连接 研究、证据、决策与执行，把 AI Agent 从信息工具延伸至更完整的 Web3 投研工作流。
从“AI 给答案”到完整投研工作流
过去一阶段，AI 在加密投研中的应用主要集中在新闻总结、信息检索、项目分析与市场问答。随着 Agent 技术继续发展，新的问题开始出现：当 AI 不仅能够整理信息，还可以调用工具、协助完成多步骤任务时，金融场景中的权限和执行边界该如何设置？
Quanta 的产品主线可以概括为：
问题 → 研究 → 证据 → 方案 → 决策 → 授权 → 执行 → 后续验证。 平台以自然语言作为交互入口，通过负责项目研究、投资决策与授权交易等环节的不同智能体进行协作，试图降低用户面对复杂 Web3 信息时的研究和操作成本。
可追溯研究：让判断尽可能有证据可循
在 Quanta 的逻辑中，AI 投研不应只输出一个无法追溯来源的结论。
所谓“可追溯研究”，重点在于围绕数据、资料和研究依据组织信息，使用户能够进一步理解某个分析结果是如何形成的。大模型主要承担问题理解、非结构化信息处理与证据整理，让分散的信息进入更有结构的研究流程。 这也意味着，AI 的作用更多是帮助用户降低信息摩擦，而不是替用户作出最终市场判断。相比只追求更快地生成答案，Quanta 更关注研究依据能否被检查，以及相关策略能否在后续数据与结果中持续接受验证。
让大模型负责理解，让规则系统负责约束
进入金融执行环节后，仅依赖概率模型并不足以解决全部问题。 Quanta 将大模型与确定性规则进行职责区分：大模型负责理解问题、整理证据和形成方案，确定性规则则负责计算、权限、风控及交易约束。 这种分工所对应的，是 AI Agent 进入金融场景后一个更现实的问题——模型是否足够聪明固然重要，但同样重要的是，模型能够做什么、不能做什么，以及在什么条件下才能进入执行环节。 当 AI 只负责回答问题时，错误可能停留在信息层；当 Agent 进一步连接交易执行后，权限、风险参数和执行偏差则可能直接影响资产。因此，“可控执行”也成为 Quanta 产品路径中的关键环节。
从判断走向执行，但控制权仍在用户侧
Quanta 所强调的“授权交易”，并不意味着 AI 可以无限制接管用户资产。 在其产品定位中，交易执行需要建立在用户授权及预设约束之下，资产控制权仍然保留在用户侧。研究 Agent 可以整理信息，决策相关 Agent 可以形成方案，而执行环节则需要受到权限和风险规则约束。 这使 Quanta 的核心逻辑并非“让 AI 替用户投资”，而是通过 AI 提高研究和执行效率，同时尽量保留人的最终决策边界。 随着 AI Agent 从信息层进一步进入研究、决策和执行层，Web3 AI 的竞争重点也正在从“模型能回答什么”，逐步转向“模型能否基于证据完成复杂任务，并在明确权限下行动”。 Quanta 此次作为协办方参与非小号 × GWDC 2026 创新论坛，也进一步呈现了其围绕 AI Agent × 可追溯研究 × 多智能体协作 × 可控执行展开的 Web3 投研方向。
关于 Quanta
Quanta 是 AI 原生的 Web3 投研与投资 Agent 平台，主线是「从可追溯研究到可控执行」。平台以自然语言为入口，通过项目研究、投资决策与授权交易等多智能体协作组织证据与方案；大模型负责理解问题与整理证据，确定性规则负责计算、权限、风控与交易约束，资产控制权保留在用户侧。目标是降低信息摩擦、约束执行风险并持续验证策略质量，而非替代用户预测市场。 官方 X： https://x.com/QuantaAIWeb3
